단백질 신호전달을 위한 전이함수와 선조체 신경 가소성 모델 적용

초록

본 논문은 생화학 반응망을 입력‑출력 전이함수 형태로 변환하여, 안정 평형까지의 지연 시간과 농도 변화를 별도로 계산한다. 이를 매트릭스로 정리하고 파라미터화함으로써 복잡한 미분방정식 시스템을 이산형 동역학 모델로 단순화한다. 스트리아탈 신경 가소성 모델에 적용해 칼슘‑의존 경로와 cAMP‑의존 경로가 모듈화되고, 입력 강도에 따라 연결성이 달라지는 현상을 밝혀 기존의 ‘항상 복잡함’ 가설에 도전한다.

상세 분석

이 연구는 전통적인 질량작용식 모델이 갖는 비선형성, 다중시간척도, 파라미터 불확실성 문제를 회피하기 위해 ‘전이함수(transfer function)’라는 새로운 수학적 프레임워크를 제시한다. 먼저, 시스템 내에서 신호를 받는 ‘소스’ 종을 정의하고, 각 소스 종에 대해 모든 ‘타깃’ 종이 안정 평형에 도달하는 데 걸리는 최대 반응시간을 ‘지연(delay)’으로 측정한다. 이 지연은 전체 네트워크의 동시다발적인 반응을 고려한 최악 상황을 반영하므로, 실제 세포 내 신호전달 지연과 유사하게 해석될 수 있다. 두 번째로, 지연 이후 타깃 종의 농도 변화량을 ‘전송 강도(transmission strength)’로 정의한다. 이는 전통적인 반응속도 상수와는 달리, 최종적인 정량적 효과를 직접적으로 나타내는 지표이다. 이렇게 얻어진 (지연, 전송 강도) 쌍을 각 소스‑타깃 조합에 대해 매트릭스로 정리하면, 복잡한 미분방정식 시스템을 ‘입력‑출력 전이함수 행렬’로 압축할 수 있다.

전이함수는 파라미터화가 용이하다. 예를 들어, 지연은 로그‑선형 형태로, 전송 강도는 포화형 혹은 Hill식으로 피팅할 수 있다. 이렇게 파라미터화된 전이함수는 새로운 입력 신호가 주어질 때 단순히 행렬 연산과 비선형 함수를 적용함으로써 즉시 타깃 종의 동적 변화를 예측한다. 따라서 시뮬레이션 비용이 크게 감소하고, 실험 데이터와의 직접적인 비교가 쉬워진다.

논문은 이 방법을 기존에 널리 인용된 ‘Striatal neural plasticity’ 모델에 적용한다. 해당 모델은 칼슘‑의존성 경로와 cAMP‑의존성 경로가 복합적으로 작용해 시냅스 가중치를 조절한다는 가정을 갖고 있다. 전이함수 변환 후, 두 경로는 각각 독립적인 모듈로 분리되며, 각 모듈 내부에서는 높은 연결성을 보인다. 흥미롭게도 입력 강도가 낮을 때는 전체 네트워크가 고도로 연결된 상태를 유지하지만, 입력이 중·고강도로 증가하면 일부 전이함수의 전송 강도가 포화 혹은 억제되어 전체 연결성이 감소한다. 이는 ‘입력‑의존적 신호 전송 비활성화’ 현상으로, 기존에는 복잡성이 항상 증가한다는 가정에 반한다.

이러한 결과는 전이함수 프레임워크가 복잡한 신호전달 네트워크를 구조적·동적 측면에서 동시에 해석할 수 있음을 보여준다. 특히, 지연과 전송 강도를 분리함으로써 시간적·양적 특성을 독립적으로 조절할 수 있어, 약물 타깃 탐색이나 신경공학적 설계에 실용적인 도구가 될 가능성이 크다.